MétaCan
Menu
Retour à la cohorte
Enregistrement W3045488245 · doi:10.3390/mi11080709

Topology Optimization for FDM Parts Considering the Hybrid Deposition Path Pattern

2020· article· en· W3045488245 sur OpenAlexafffund
Shuzhi Xu, Jiaqi Huang, Jikai Liu, Yongsheng Ma

Notice bibliographique

RevueMicromachines · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation of Jiangsu ProvinceUniversity of AlbertaGovernment of Jiangsu ProvinceShandong University
Mots-clésSmoothingOffset (computer science)Deposition (geology)Topology (electrical circuits)Fused deposition modelingSensitivity (control systems)Materials scienceAlgorithmComputer scienceMathematicsElectronic engineeringEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Based on a solid orthotropic material with penalization (SOMP) and a double smoothing and projection (DSP) approach, this work proposes a methodology to find an optimal structure design which takes the hybrid deposition path (HDP) pattern and the anisotropic material properties into consideration. The optimized structure consists of a boundary layer and a substrate. The substrate domain is assumed to be filled with unidirectional zig-zag deposition paths and customized infill patterns, while the boundary is made by the contour offset deposition paths. This HDP is the most commonly employed path pattern for the fused deposition modeling (FDM) process. A critical derivative of the sensitivity analysis is presented in this paper, which ensures the optimality of the final design solutions. The effectiveness of the proposed method is validated through several 2D numerical examples.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,213
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207